GTA: Generating Long-Horizon Tasks for Web Agents at Scale
تقدم هذه الورقة البحثية GTA، وهو إطار عمل قابل للتوسع يقوم تلقائياً بتوليد مهام لوكلاء الويب متعددة الخطوات وواقعية مع مسارات قابلة للتنفيذ، وذلك من خلال دمج الزحف، والتوليد القائم على الاسترجاع، والتحقق الآلي للتغلب على قيود المعايير المرجعية الحالية وتمكين التدريب والتقييم القويين.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم روبوت كيفية استخدام الإنترنت. يمتلك الروبوت عقلاً (نموذج لغوي)، ويدين (أدوات للنقر والكتابة)، لكنه حالياً أخرق للغاية. يمكنه العثور على إجابات بسيطة، مثل "ما هي عاصمة فرنسا؟"، لكنه يعاني في المهام المعقدة، مثل "ابحث عن أرخص رحلة طيران إلى طوكيو، وتحقق مما إذا كان الفندق يحتوي على مسبح، وانظر ما إذا كان وقت الرحلة يتناسب مع موعد طبيبي".
المشكلة هي أننا لم نكن نعطي الروبوت ما يكفي من الممارسة الجيدة.
المشكلة: التدريب بخريطة مكسورة
حالياً، معظم الاختبارات الموجهة لروبوتات الويب تشبه إعطاء خريطة تحتوي فقط على نقطة "البداية" ونقطة "النهاية"، ولكن دون تعليمات للوصول إلى هناك.
- المعايير القديمة: هي بمثابة ألغاز مكتوبة يدوياً بواسطة البشر. عددها قليل، وغالباً ما تختبر مهاماً بسيطة ذات خطوة واحدة فقط.
- المحاولات التلقائية: حاول بعض الباحثين جعل الروبوتات تستكشف المواقع الإلكترونية بمفردها لإنشاء ألغاز جديدة. لكن هذا كان يشبه ترك طفل صغير يتجول في مركز تجاري للبحث عن ألعاب: فقد وجدوا فقط الأشياء اللامعة والواضحة (مثل متجر الألعاب) وتجاهلوا الباقي (مثل الصيدلية أو ركن الطعام). كما كان ذلك مكلفاً للغاية وبطيئاً.
بسبب هذا، تعاني الروبوتات من "الفرط في التخصيص" (Overfitting). لقد حفظت الألغاز المحددة التي أُعطيت لها، لكنها لا تستطيع التعامل مع مواقف العالم الحقيقي الفوضوية حيث يتعين عليها التنقل بين صفحات ومواقع مختلفة لحل مشكلة ما.
الحل: GTA (نهج "المهندس المعماري")
يقدم المؤلفون GTA (توليد مهام طويلة الأمد لوكلاء الويب على نطاق واسع). فكر في GTA ليس كمعلم يوزع أوراق عمل، بل كـ مهندس معماري بارع يبني صالة ألعاب رياضية للتدريب.
إليك كيف بنوا ذلك، باستخدام خطوات بسيطة:
- الاستكشاف (رسم خريطة المدينة): بدلاً من ترك الروبوت يتجول بعشوائية، يرسل GTA أولاً أسطولاً من "المستطلعين" الرقميين لرسم خرائط لمواقع إلكترونية كاملة (مثل متاجر التجارة الإلكترونية، المواقع الحكومية، وبوابات الأخبار). إنهم يبنون "خريطة مدينة" كاملة لكل صفحة وكيفية اتصالها ببعضها البعض.
- البذرة (اختيار التحدي): بدلاً من التخمين حول ماهية المهمة الصعبة، يختار GTA موقعين عشوائيين على الخريطة (على سبيل المثال، صفحة عن حذاء معين وصفحة عن خصم محدد).
- التوليد (كتابة المهمة): يُطلب من ذكاء اصطناعي كتابة مهمة تتطلب زيارة كلا الموقعين لحلها. على سبيل المثال: "ابحث عن سعر الحذاء في الصفحة (أ)، ثم تحقق مما إذا كانت الصفحة (ب) تحتوي على كوبون يجعل السعر أرخص".
- ضبط الجودة (الحكم): قبل إصدار المهمة، يقوم حكم صارم بفحصها.
- هل هي قابلة للحل؟ (هل يمكنك حقاً الوصول إلى الإجابة؟)
- هل هي واضحة؟ (هل هناك إجابة واحدة صحيحة فقط؟)
- هل هي متعددة الخطوات (Multi-hop)؟ (هل تجبر الروبوت على زيارة أكثر من صفحة واحدة؟)
- المسار الذهبي (مفتاح الإجابة): من الضروري أن يسجل GTA المسار الدقيق الذي يجب أن يتخذه الروبوت. وهذا يسمح للباحثين بإعادة تشغيل المهمة بشكل مثالي ومعرفة أين أخطأ الروبوت بالضبط.
لماذا هذا مهم: الفجوة بين "الإنسان والروبوت"
اختبر المؤلفون هذه الصالة الرياضية الجديدة مع الروبوتات الحالية ووجدوا فجوة هائلة:
- الروبوتات: عندما واجهت هذه المهام الجديدة متعددة الخطوات، فشلت الروبوتات في معظم الأحيان (غالباً بنسبة نجاح أقل من 20%). لقد تاهت، أو استسلمت مبكراً، أو حاولت استخدام شريط البحث بدلاً من التنقل في الموقع بشكل صحيح.
- البشر: عندما حاول البشر القيام بنفس المهام، حلوها بسهولة (نسبة نجاح 85%).
- محرك البحث: حتى بحث بسيط في جوجل لم يستطع حل هذه المهام لأن الإجابة لم تكن في مكان واحد؛ بل كانت مخفية عبر صفحات مختلفة.
الميزات الرئيسية لـ GTA
- إنها صالة رياضية "حية": على عكس الاختبارات القديمة التي كانت ثابتة (مجمدة في الزمن)، يمكن لـ GTA الاستمرار في توليد مهام جديدة من مواقع ويب حية. هذا يمنع الروبوتات من مجرد حفظ الإجابات.
- إنها عالمية: تعمل بلغات عديدة (الإنجليزية، الإيطالية، اليابانية، الألمانية، الصينية)، وليس الإنجليزية فقط. وقد عانت الروبوتات أكثر مع المواقع غير الإنجليزية.
- إنها عابرة للمواقع: تتطلب بعض المهام من الروبوت الانتقال من موقع صحي إلى موقع مالي لحل مشكلة ما، مما يحاكي كيفية استخدام البشر للويب.
الخلاصة
GTA هو نظام جديد، ضخم، وتلقائي لإنشاء مهام تدريبية واقعية وصعبة لروبوتات الويب. وهو يثبت أن الروبوتات الحالية لا تزال ضعيفة جداً في التعامل مع الطبيعة المعقدة ومتعددة الخطوات للإنترنت الحقيقي. ومن خلال توفير طريقة لتوليد تحديات لا متناهية، عالية الجودة، وقابلة للتحقق، يساعد GTA الباحثين في معرفة أين تفشل الروبوتات بالضبط حتى يتمكنوا من بناء روبوتات أفضل.
ما ليس عليه النظام:
- ليس أداة للأطباء أو الشركات لاستخدامها في الوقت الحالي.
- لا يدعي أنه حل مشكلة وكلاء الويب؛ بل قدم فقط طريقة أفضل لاختبارهم وأظهر مقدار العمل المتبقي للقيام بذلك.
- لا يغطي المهام التي تتطلب تسجيل الدخول إلى حسابات خاصة أو إجراء عمليات شراء حقيقية (بسبب قواعد السلامة).
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.